AI摘要为何总让人读后一头雾水？大模型的均匀压缩式处理、安全摘要陷阱和注意力稀释等技术局限，正在制造一场深度信息提炼的危机。本文从训练机制到评测标准层层拆解，揭示AI为何难以抓住人类眼中的重点，并给出从数据标注到产品设计的系统性优化方案。

你一定有过这种体验。

把一篇长文丢给AI，让它帮你总结。它确实输出了一段摘要，格式规整，语言通顺，字数也合适。但你读完之后的感受是：”所以……这篇文章到底想说什么？”

它把每个段落都摘了一句，哪个都没漏，但也哪个都没突出。像是把一篇文章均匀地压缩了20%，而不是帮你拎出了核心观点。

这不是个案，这是大模型做摘要时最普遍的问题。

“抓不到重点”不是模型”笨”，而是几个更具体的原因叠在一起。今天试着把这几个原因拆开来讲，说说从训练和评测的角度看，这个问题到底卡在哪。

先搞清楚一件事：”重点”到底是什么

这个问题听起来像废话，但它其实是所有问题的根源。

“帮我总结一下这篇文章的重点”——这句话每个人说的时候，脑子里想的东西可能完全不一样。

一个人读一篇行业分析，他要的”重点”可能是核心结论和趋势判断。另一个人读同一篇文章，他要的可能是里面提到的几组关键数据。第三个人可能只想知道这篇文章跟自己的业务有没有关系。

“重点”不是一个客观属性，它是读者和文本之间的关系。 同一篇文章，对不同读者来说，重点可能完全不同。

但大模型做摘要的时候，它面对的是一个没有读者的摘要任务。它不知道”帮我总结一下”这句话背后的读者是谁、目的是什么、关心什么。它只能基于文本自身的结构和语言特征，去猜测”什么可能是重要的”。

这个猜测有时候猜对了，有时候猜偏了。而猜偏的时候，用户感受到的就是”抓不到重点”。

均匀压缩：大模型摘要最常见的病

如果让我用一个词概括大模型摘要最典型的问题，我会说：均匀压缩。

什么意思？就是模型把文章的每个部分都当成了差不多重要，然后均匀地压缩了一遍。开头摘一句，中间摘两句，结尾摘一句，雨露均沾，谁也不落下。

一篇三千字的文章，核心论点可能就集中在中间那五百字里。但模型不会把那五百字拎出来重点展开，也不会大幅压缩其余两千五百字。它更倾向于在三千字里”均匀采样”，确保每一段都被照顾到。

为什么会这样？两个原因。

第一个原因跟训练数据有关。 标注数据里的摘要范本，天然存在一种倾向：信息覆盖率高的摘要更容易被标为”好摘要”。你漏掉了一个段落的内容，不管你是不是有意省略，标注员都可能觉得”不够全面”。模型在训练过程中学到了这个信号——覆盖越全面，评分越高。于是它学会了”不漏掉任何一段”，而不是”挑出最重要的几段”。

第二个原因跟模型的决策方式有关。 判断”哪段重要、哪段不重要”是一个需要对全文做比较和权衡的判断。模型在做局部处理的时候（逐段阅读和提取），很容易把每一段都标记为”这段挺重要的”，因为它在看这一段的时候还没有看到后面的段落，没有比较的参照系。等全部看完了，已经提取的信息也很难再大幅压缩——毕竟每一段它都判断过”重要”了，现在要砍掉哪一段？

结果就是：每段都摘了一点，重点淹没在了平均分配里。

“安全摘要”陷阱

这是我想重点聊的一个现象，因为它跟训练方式直接相关。

在做标注质检的时候，会遇到两种风格截然不同的摘要。

一种是”全面型”摘要：文章讲了五个点，摘要把五个点都提了一遍，每个点一两句话。信息覆盖完整，但读完之后你不确定文章到底最想说什么。

另一种是”判断型”摘要：文章讲了五个点，摘要明确告诉你”核心观点是X”，对其余四个点只是一笔带过甚至直接省略。信息覆盖不完整，但读完之后你非常清楚文章的重点是什么。

从用户体验来看，第二种显然更好。但在标注和评测过程中，第一种往往得分更高。

为什么？因为”全面”比”判断”更容易达成标注一致性。

三个标注员看同一篇文章写摘要，如果标准是”尽量全面覆盖”，三个人写出来的摘要重叠度会比较高，标注一致性好。如果标准是”抓出核心观点”，三个人对”什么是核心”的判断可能完全不同——有人觉得核心是结论，有人觉得核心是方法论，有人觉得核心是那个最有争议的观点。标注一致性会很差。

标注一致性差意味着评测标准不稳定、训练信号不清晰。所以不管是标注指南还是训练策略，都会不自觉地向”全面覆盖”这个方向靠拢——不是因为它是最好的摘要方式，而是因为它最容易标准化。

模型在训练中学到的是：全面比判断安全。覆盖比取舍得分高。与其冒着“漏掉重要内容”的风险去突出重点，不如每段都摘一点，总不会太差。

这就是”安全摘要”陷阱。模型学会了一种在评测标准下最优、但在用户体验下平庸的摘要策略。它不是”抓不到”重点，而是在训练信号的驱动下选择了”不去抓”。

结构线索的局限

大模型做摘要的时候，会依赖一些”结构线索”来判断哪些内容重要。

什么是结构线索？就是文本中那些暗示”这段话比较重要”的表层信号。比如标题、小标题、第一段（通常是引言或总论点）、最后一段（通常是结论或总结）、每段的第一句话（通常是主题句）。

这些线索在结构良好的文章里确实有用。一篇标准的行业分析报告，核心观点往往就在标题和第一段里。模型抓住这些结构信号，摘要质量不会太差。

但问题在于：不是所有文章都结构良好。

大量的网页内容是没有清晰结构的。论坛帖子里，核心观点可能藏在第三楼的评论里；一篇新闻报道，关键信息可能在第五段的一个括号里；一篇个人博客，作者可能写了两千字铺垫，最后一段才亮出观点。

在这种非标准结构的文本里，结构线索不仅没用，还会误导。模型看到”第一段”就以为是核心内容，但第一段可能只是背景介绍。模型看到”最后一段”就以为是结论，但最后一段可能只是作者随手写的感想。

结构线索是“重点”的一个粗糙代理变量。 它在很多时候管用，但管用的原因不是模型真的理解了什么是重点，而是”标题和首尾段恰好经常是重点”这个统计规律。一旦规律不成立，模型就懵了。

更深一层的问题是：当结构线索不存在时，模型需要基于语义理解去判断”这段话的论点在全文中处于什么位置”——它是核心论点、是支撑论据、是反面观点、还是背景信息？这种语义层面的结构理解，比表层的结构线索识别难得多，也是目前模型能力的薄弱环节。

长文本的注意力稀释

还有一个偏技术但影响很大的因素：注意力稀释。

模型处理文本的时候，它的”注意力”资源是有限的。一篇五百字的文章，模型可以比较均匀地关注每个句子。但一篇五千字的文章，同样的注意力资源要覆盖十倍的文本量，每个句子分到的注意力自然就稀释了。

注意力稀释的后果是什么？模型对长文中靠中间位置的信息特别容易“走神”。

开头和结尾天然有位置优势——开头是”第一印象”，结尾是”最近印象”，心理学上叫首因效应和近因效应。模型也有类似的偏好。但文章的核心论点不一定在开头或结尾，它可能在中间某一段。如果那恰好在模型注意力最稀释的位置，就容易被忽略或低估。

这不是模型”不想”关注中间段落，而是它在处理长文本时，信息在传递过程中衰减了。前面读到的信息，到了后面生成摘要的时候，权重可能已经降低了不少。

这也是为什么同一个模型，对短文章的摘要往往比长文章好。不完全是内容难度的问题，也有注意力分配的物理限制。

那怎么才能做得更好？

说了这么多”为什么抓不到”，也该聊聊怎么改善。以下是从训练和评测的角度想的一些方向。

第一，评测标准要从“全面覆盖”转向“突出重点”。 这是最根本的改变。如果评测标准继续奖励”全面型摘要”，模型就会继续输出”全面但平庸”的摘要。需要在评测中明确区分”抓住了核心观点但省略了次要信息”和”漏掉了重要内容”——前者是好摘要，后者是失误，但目前很多评测体系把这两者混为一谈。

第二，给模型提供读者上下文。 “帮我总结一下”和”帮我看看这篇文章的结论是什么”和”帮我判断这篇文章值不值得细读”，这三个请求对应的摘要策略应该完全不同。如果模型在生成摘要的时候能获得用户的意图信号，它”抓重点”的准确率会大幅提升。这不是模型能力的问题，是信息输入的问题。

第三，训练数据里需要更多“判断型摘要”的样本。 不是每段都摘一句的均匀压缩，而是明确标注”这篇文的核心观点是什么、次要观点是什么、可以省略的是什么”。这种带有优先级标注的训练数据，能帮助模型学会”取舍”而不只是”覆盖”。

第四，长文本的处理策略需要优化。 不是一口气把全文丢进去让模型处理，而是分层处理——先识别全文结构和各段功能，判断信息权重，再基于权重做非均匀压缩。这在工程上不难实现，但需要在产品设计层面就有这个意识。